继续请教问题:关于 Pytorch 的 Autograd

雷达

6 c0 a8 d. [% h( J+ _为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
7 t+ [4 B0 [, k1 N' k5 Himport torch
8 v& E  F$ z& t9 M/ [* Kimport numpy as np
import matplotlib.pyplot as plt
/ r% j- t- _- v% N9 Dimport random

, J2 N: Y/ m- G: m6 Xx = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
7 g  Z/ r. A# _8 T
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
; d% l3 B, t' w# U9 Q
losses = []
# N+ S$ X" X) q" ?for i in range(epochs):
  y_pred = (x*w+b)    # 预测
8 C* M. v6 |; r" v& P1 E# I- O6 ^  y_pred.reshape(-1)

2 `* o+ F9 \: S3 ~  {  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
! @" A8 _: M1 [1 s. C2 Z/ w  
  loss.backward() # autograd
' Y, J  Y- K, ?: L: C3 x' N0 C  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
/ [; a! T6 r0 b0 c1 S2 l    b  -= b.grad*0.0001    # 回归 b
6 Y, g! \1 S  s0 I: K  w.grad.zero_()  
  b.grad.zero_()

$ F# a  _: Y, C! U' Rprint(w.item(),b.item()) #结果

  i1 L# h7 h2 K1 @5 W3 a. OOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
! H/ P! p. H& O! U" M高手们帮看看是神马原因？

老福

' ?$ |1 n1 q7 t3 @没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
5 z: ^; e& |% L; [3 w-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
" I! w2 t) U" r$ H& E! K9 ]- J没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
: S# R$ U* N+ A$ g-------
0 S; z* R$ _& i! h& ^. Z( I不好意思， ...

- W$ Q1 h$ l0 {; q# ]7 _4 c谢谢，算法应该没问题，就是最简单的线性回归。
0 W  u) o3 |8 g/ b- F3 h! x1 Y我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
8 U4 Y' @( s& h( D  @+ B7 K谢谢，算法应该没问题，就是最简单的线性回归。
: n- ?/ G& b) A我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

* c2 H9 ^6 W# N0 w: [% j3 r1 u. g
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
9 p2 m0 ?# j" ?
或者把b但的起点改为1试试。

雷达

: n  p4 p; d, h3 @

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

& O0 b) ~' T4 ~8 R1 c或者把b但的起点改为1试试。 ...

你是对的。
; e1 X. H& b7 O$ ~2 N6 `: Q4 l去掉了随机部分
+ V/ }1 i: ?9 z6 X2 |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
- a; V, n! P) t; L4 g$ _2 Fy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
& ?3 D5 K) b; Q
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。